2019年9月の記事一覧
複数のEdge TPUで複数のモデルを実行する
Edge TPUには、モデルのパラメーターデータをローカルに保存するために使用される少量のRAMが含まれており、外部メモリからデータを取得する場合と比較して、より高速な推論速度を実現します。 通常、2つ目のモデルを実行するにはRAM内のモデルのパラメーターデータを交換する必要があるため、パイプライン全体が遅くなるため、Edge TPUごとに1つのモデルのみを実行する場合にパフォーマンスが最高になり
もっとみるCoral USB Accelerator、TensorFlow Lite C ++ API、およびEdge TPUオブジェクト検出用のRaspberry Pi
Google Coral USBアクセラレーターは、Linuxホストコンピューター（Raspberry Piを含む）に接続すると、機械学習モデルの推論を非常に高速化するエッジテンソルプロセッシングユニット（TPU）を提供するUSBデバイスです。
前のチュートリアルで、Raspberry Piアプリの開発のためにTensorFlow LiteをQt / QMLと統合する方法と、オブジェクト検出用の
TensorFlow Lite APIとRaspberry Piカメラ
この例では、TensorFlow Lite Python APIとRaspberry Pi Cameraを使用してリアルタイムの分類を実行します。
Pi Cameraを使用したTensorFlow Lite Python分類の例。
この例では、Raspberry Pi上でPythonを使用したTensorFlow Liteを使用して、Piカメラからストリーミングされた画像を使用してリアルタイム